Il gruppo applica strumenti di caratterizzazione, generazione ed elaborazione di dati e segnali che identificano, enfatizzano e sfruttano le caratteristiche statistiche dell’informazione da gestire con attività che si articolano su più campus.
La generalità dell’approccio e la disponibilità di strumenti che spaziano dalle analisi statistiche più classiche, alla teoria statistica dei sistemi dinamici caotici, dall’uso di modulazioni classiche all’impiego di tecniche di ottimizzazione continua e discreta, fino a metodi basati su grandi moli di dati e apprendimento automatico, permettono di affrontare un ampio spettro di applicazioni, anche non strettamente IT, proprie di quelle discipline nelle quali la gestione dell’informazione porta benefici.
Molte delle soluzioni individuate sono implementate in sottosistemi fisici basati su piattaforme digitali o su circuiti integrati progettati ad hoc.
A titolo di esempio, il gruppo si è occupato e/o si occupa tutt’ora di
-
Ottimizzazione di codici per l’accesso asincrono al canale in sistemi CDMA
-
Riduzione dell’interferenza elettromagnetica dovuta a segnali di sincronizzazione in sistemi elettronici
-
Riuso di blocchi elementari per la conversione A/D come generatori HW ad alte prestazioni di flussi di bit casuali
-
Ottimizzazione di modulazioni a larghezza e densità di impulso per ottenere altissime purezze spettrali
-
Metodi di ottimizzazione in relazione alla progettazione di convertitori delta-sigma
-
Comunicazioni su linee di potenza tramite adattamento di convertitori DC-DC
-
Progettazione non convenzionale di convertitori DC-DC
-
Acquisizione compressa di segnali provenienti da sensori fisici e biologici
-
Incorporamento di primitive crittografiche in sistemi di acquisizione
-
Diagnostica e manutenzione predittiva in ambito ferroviario, strutturale, automotive e satellitare
-
Simulazione e ottimizzazione tramite surrogati neurali di catene di trasmissione e ricezione di segnale
SSigPro ha all’attivo numero collaborazioni accademiche e industriali, tra queste:
-
Politecnico di Torino
-
Politecnico di Milano
-
Gruppo Ferrovie dello Stato Italiano, RFI
-
Thales Alenia Italia Space, TASI
-
HPE COXA
Il gruppo sta attualmente esplorando l’impatto delle tecniche di Quantum Machine Learning sulle varianti “variational” delle architetture neurale impiegate nelle applicazioni industriali, nonché l’implementazione di primitive crittografiche post-quantum.
Settori ERC
- PE1_14 Statistics
- PE1_21 Application of mathematic to industry and society
- PE6_11 Machine learning, statistical data processing and applications using signalprocessing
- PE7_7 Signal Processing
Responsabile scientifico/coordinatore: Prof. Riccardo Rovatti